r - 使用 MICE 进行多重插补后的单个 AUC

Question

我有一个关于在使用 MICE 插补后计算数据集中每个个体的 AUC 的问题。

我知道如何在完整的案例数据集中做到这一点。我是这样做的:

id <- c(1,2,3,4,5,6,7,8,9,10)
measure_1 <- c(60,80,90,55,60,61,77,67,88,90)
measure_2 <- c(55,88,88,55,70,61,80,66,65,92)
measure_3 <- c(62,88,85,56,68,62,89,62,70,99)
measure_4 <- c(62,90,83,54,65,62,91,59,67,96)
dat <- data.frame(id, measure_1, measure_2, measure_3, measure_4)
dat
x <- c(0,7,14,21) # number of days

library(Bolstad2)
f <- function(a){
   Patient <- dat[a,]
   vector_patient <- c(Patient[2:5])
   AUCpatient <- sintegral(x,vector_patient)$int
   return(AUCpatient)
}

vector <- c(1:10)
listAUC <- lapply(vector, f)
vector_AUC <- unlist(listAUC, use.names=FALSE)
vector_AUC

这给了我一个向量，其中包含所有患者的所有 AUC。如果我愿意，可以将此向量添加到我的数据集中。

但现在我遇到了一个问题:我的数据集中有缺失。可以使用以下代码获取我的数据集:

id <- c(1,2,3,4,5,6,7,8,9,10)
measure1 <- c(60,NA,90,55,60,61,77,67,88,90)
measure2 <- c(55,NA,NA,55,70,NA,80,66,65,92)
measure3 <- c(62,88,85,NA,68,62,89,62,70,99)
measure4 <- c(62,90,83,54,NA,62,NA,59,67,96)
datmis <- data.frame(id, measure1, measure2, measure3, measure4)
datmis

我想使用 MICE 估算此数据集。

library(mice)
imp <- mice(datmis, maxit = 0)
meth <- imp$method
pred <- imp$predictorMatrix
imp <- mice(datmis, method = meth, predictorMatrix = pred, seed = 2018, maxit = 10, m = 5)

所以现在我把所有的东西都归咎了。我想为每个估算数据集中的每个人创建 AUC。然后我想汇集结果，为每个人产生一个单一的 AUC。但是，使用前面示例中的公式 create 不再起作用。有人可以帮助我吗？

Answer 1

这是一种方法。运行插补后，您可以

1. 遍历每个估算的数据集
2. 使用估算数据计算 AUC
3. 使用 Rubin 规则汇总估算值

下面的代码涵盖了前两点

x <- c(0,7,14,21) # number of days
library("tidyverse")
library("MESS")
res <- lapply(1:5, function(i) { 
    complete(imp, i) %>% 
    group_by(id) %>% 
    mutate(AUC=MESS::auc(x, c(measure1, measure2, measure3, measure4)))})

我正在使用 MESS 中的 auc 函数，因为它相当快速和灵活，但您可以用您的版本替换它。

这会生成一个包含 5 个数据框的列表，可用于汇集估计值(上面列表中的第 3 部分)。

library("mitools")
with(imputationList(res), lm(AUC ~ 1)) %>% pool() %>% summary()

这产生

            estimate std.error statistic       df      p.value
(Intercept)  1512.77  81.62359  18.53349 7.389246 1.829668e-07

关于插补的更多评论:您确定要使用 id 作为数字变量来预测度量吗？这会为缺失的变量生成一个类似回归的预测器，这似乎很不现实。